一种人脸检测方法及系统、计算机可读存储介质技术方案

本发明专利技术公开了一种人脸检测方法及系统、计算机可读存储介质，检测方法包括读取待检测的目标图像，以目标图像作为输入，提取目标图像的底层特征，以底层特征作为输入，提取目标图像的高层特征，将底层特征和高层特征进行融合，得到融合后的特征，基于融合后的特征对目标图像进行人脸检测；该系统包括图像读取模块、基础网络、额外特征提取网络、特征融合网络及特征融合网络；计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行，以实现本发明专利技术一个或多个实施例的人脸检测方法或本发明专利技术一个或多个实施例的人脸检测系统。本发明专利技术创新将底层特征和高层特征融合起来，可显著提升人脸检测系统性能，特别适用于检测小人脸的情形。

【技术实现步骤摘要】
一种人脸检测方法及系统、计算机可读存储介质
本专利技术涉及人脸检测
，更为具体来说，本专利技术为一种人脸检测方法及系统、计算机可读存储介质。
技术介绍
人脸检测系统已经成为识别监控系统中的重要组成部分，特别是对于小人脸(Small)的识别和识别，目前，人脸检测系统最常用的方法是SSD(SingleShotMultiBoxDetector，单步多目标检测)，但是传统使用的SSD方案往往会存在过分依赖位置和细节信息导致误检问题或过分依赖语义信息导致漏检问题，在面对图像中的人脸尺寸较小的情况或图像中的人脸数量较多的情况时，或者这两种情况同时存在时，现有的SSD方式出现漏检或误检的可能性往往会更高。因此，如何能够同时解决现有人脸检测存在的漏检问题和误检问题，成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
技术实现思路
为了解决常规的SSD方案容易出现人脸漏检或人脸误检的问题，本专利技术提供了一种人脸检测方法及系统、计算机可读存储介质，创新将底层特征和高层特征进行有效地融合，从而彻底解决现有技术存在的问题。...

【技术保护点】
1.一种人脸检测方法，其特征在于，该方法包括如下步骤：/n读取待检测的目标图像；/n以所述目标图像作为输入，提取目标图像的底层特征；/n以所述底层特征作为输入，提取目标图像的高层特征；/n将所述底层特征和所述高层特征进行融合，得到融合后的特征；/n基于融合后的特征对目标图像进行人脸检测。/n

【技术特征摘要】
1.一种人脸检测方法，其特征在于，该方法包括如下步骤：
读取待检测的目标图像；
以所述目标图像作为输入，提取目标图像的底层特征；
以所述底层特征作为输入，提取目标图像的高层特征；
将所述底层特征和所述高层特征进行融合，得到融合后的特征；
基于融合后的特征对目标图像进行人脸检测。


2.根据权利要求1所述的人脸检测方法，其特征在于，还包括对待检测的目标图像设置密集先验框的步骤；
基于融合后的特征对各个先验框内的目标图像进行人脸检测。


3.根据权利要求1或2所述的人脸检测方法，其特征在于，在提取目标图像的底层特征的过程包括：
对目标图像中的数据进行多次卷积处理、多次激活函数处理及多次最大池化处理，将最后一次激活函数处理后的输出特征作为底层特征。


4.根据权利要求3所述的人脸检测方法，其特征在于，在提取目标图像的高层特征的过程包括：
对底层特征中的数据进行最大池化处理、多次卷积和激活函数处理后得到第一额外特征；
对所述第一额外特征中的数据进行多次卷积和激活函数处理后得到第二额外特征；
对所述第二额外特征中的数据进行多次卷积和激活函数处理后得到第三额外特征；
其中，所述高层特征包括所述第一额外特征、所述第二额外特征以及所述第三额外特征。


5.根据权利要求4所述的人脸检测方法，其特征在于，通过如下的方式得到融合后的特征：
对所述第三额外特征中的数据进行多次卷积和激活函数处理后得到第一输入特征；
将经过反卷积处理的第一输入特征与经过卷积处理和激活函数处理的第二额外特征进行融合，再对融合得到的特征进行激活函数处理后得到第二输入特征；
将经过反卷积处理的第二输入特征与经过卷积处理和激活函数处理的第一额外特征进行融合，再对融合得到的特征进行激活函数处理后得到第三输入特征；
将经过反卷积处理的第三...

【专利技术属性】
技术研发人员：孙超，
申请(专利权)人：杭州博雅鸿图视频技术有限公司，
类型：发明
国别省市：浙江;33